一种基于血管内超声图像的血管内腔分割方法技术

本发明专利技术公开了一种基于血管内超声图像的血管内腔分割方法，包括一个确定血管内腔（即血管内膜所包含区域）种子点的过程；包括一个利用模糊连通(FuzzyConnectedness)算法计算图像中从每个象素点与血管内腔种子点模糊连通强度，获得模糊连通强度图像的过程；包括一个利用超声图像梯度信息确定模糊连通强度阈值，并根据模糊连通强度阈值和模糊连通强度图像确定血管内腔边界的过程。本发明专利技术通过自动确定种子点和模糊连通阈值，保证了分割过程的自动性。基于模糊连通算法的处理方法，不仅保证了分割方法的简单、有效性，而且避免了现有算法模型的复杂性和对成像条件的依赖性。

【技术实现步骤摘要】
一种基于血管内超声图像的血管内腔分割方法
本专利技术涉及医学图像处理领域，特别是涉及一种模糊连通（FuzzyConnectedness）算法、应用于血管内超声（IVUS：Intravascularultrasound）图像的血管内腔分割方法。
技术介绍
血管内超声（IVUS:IntravascularUltrasound）图像，不仅能显示血管内腔形态，还能显示血管壁分层结构，对动脉粥样硬化等心血管疾病的诊断和治疗具有非常重要的价值。基于IVUS图像诊断动脉粥样硬化需要粥样硬化图像的特征如血管内腔面积、斑块面积等量化指标，这些量化指标的准确提取依赖于有效的图像分割。人工分割即由医生手动勾画血管内腔、中外膜边界等，不仅费时费力，而且受医生经验等主观性的限制。因此，用计算机算法准确、快速、自动地分割IVUS图像就显得很有必要。目前，基于IVUS图像的血管内腔计算机自动分割算法主要有三类：第一类为统计学方法（G.Mendizabal-Ruiz,M.Rivera,etal.,“Aprobabilisticsegmentationmethodfortheidentificationofluminalbordersinintravascularultrasoundimages”,IEEEConferenceonComputerVisionandPatternRecognition,pp.1-8,2008.），对图像的灰度分布进行统计学建模实现IVUS图像分割，但IVUS图像中的伪影、钙化等复杂的图像特征将大大降低统计建模的准确性；第二类是机器学习的方法(1.E.G.Bovenkamp,J.Dijkstra,J.G.Bosch,etal.,“Multi-agentsegmentationofIVUSimages”,PattenRecognition,Vol.37,No.4,pp.647-663,2004;2.G.Unal,S.Bucher,S.Carlier,etal.,“Shape-drivensegmentationofthearterialwallinintravascularultrasoundimages”,IEEETrans.Oninformationtechnologyinbiomedicine,Vol.12,No.3,pp.335-346,2008.)，该类方法模型复杂，实际应用时受到诸多限制；第三类是基于活动轮廓线模型的方法(1.张麒，汪源源等，“活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像”，光学精密工程，Vol.16,No.11,pp.2301-311,2008;2.X.Zhu,P.Zhang,J.Shao,etal.,“Asnake-basedmethodforsegmentationofintravascularultrasoundimagesanditsinvivovalidation”,Ultrasonics,Vol.51,pp.181-189,2011.)，该类方法简单易行，但是往往需要给定初始轮廓线，而且，分割结果易受噪声等复杂图像特征的影响。上述几类基于IVUS图像的血管内腔分割方法都使用了一定的预先设定的模型，如图像灰度分布模型、形状模型等，而这些模型往往依赖于具体的成像条件。为更好地实现对IVUS图像中血管内腔的有效分割，本专利技术提出一种基于模糊连通(FuzzyConnectedness)算法的IVUS图像血管内腔自动分割算法。
技术实现思路
本专利技术的目的在于针对现有技术的不足，提供一种更简单、更有效、更通用的IVUS图像血管内腔自动分割方法。本专利技术的技术解决方案如下：一种基于血管内超声图像的血管内腔分割方法，包括一个确定血管内腔（即血管内膜所包含区域）种子点的过程;包括一个利用模糊连通(FuzzyConnectedness)算法计算图像中从每个象素点与血管内腔种子点模糊连通强度，获得相应的模糊连通强度图像的过程；包括一个利用超声图像梯度信息确定模糊连通强度阈值，并根据模糊连通强度阈值和模糊连通强度图像确定血管内腔边界的过程。进一步的，在一个利用血管内超声图像确定血管内腔（即血管内膜所包含区域）种子点的过程中，首先根据距离图像中心点同一距离的像素平均灰度值确定血管内腔种子点，即在大于导管半径的距离中，以最小像素平均灰度值对应的距离为半径，图像中心为圆心的圆周所在的像素点。进一步的，在一个利用模糊连通算法计算图像中从每个像素点与血管内腔种子点模糊连通强度，获得相应的模糊连通强度图像，并根据模糊连通强度图像和超声图像梯度信息确定模糊连通强度阈值的过程中，首先基于模糊连通算法计算图像中从每个象素点与血管内腔种子点模糊连通强度，获得相应的模糊连通强度图像；然后计算待处理血管内超声图像的梯度图像,最后根据血管内超声图像的梯度信息和模糊连通强度图像确定模糊连通强度阈值。进一步的，在一个根据血管内超声图像梯度信息和模糊连通强度图像确定模糊连通强度阈值的过程中，首先利用整幅梯度图像的平均值Gmean和标准差Gstd确定一梯度阈值Gthes（如Gthes=Gmean+0.5*Gstd），并将梯度高于梯度阈值Gthes的像素点看作高梯度象素点，最后连续变化的模糊连通强度阈值（如从0.95逐步降低）对与模糊连通强度图像作阈值处理，并考察高于连通强度阈值且与种子点相连的连通区域，若其外侧边界对应的高梯度象素点的比例高于某一给定的设定的值（如0.65），则以此连通强度阈值作为最终的模糊连通强度阈值。进一步的，在一个根据模糊连通强度阈值和模糊连通强度图像确定血管内腔边界的过程中，首先以模糊连通强度阈值对模糊连通强度图像作阈值处理，然后将模糊连通强度图像中模糊连通强度高于模糊连通强度阈值且与种子点相连的连通区域作为血管内腔区域。与现有技术相比，本专利技术的有益效果如下：本专利技术和已有技术相比，其效果是积极的和明显的。通过自动确定种子点和模糊连通阈值，本专利技术保证了分割过程的自动性。基于模糊连通算法的处理方法，不仅保证了分割方法的简单、有效性，而且避免了现有算法模型的复杂性和对成像条件的依赖性。附图说明图1是本专利技术基于血管内超声图像的血管内腔分割方法流程图；图2是本专利技术血管内超声图像示意图；图3是本专利技术极坐标变换后的血管内超声图像示意图;图4是本专利技术不同半径像素平均灰度示意图;图5是本专利技术血管内腔种子点示意图；图6是本专利技术模糊连通强度示意图；图7是本专利技术图像梯度示意图；图8是本专利技术高梯度像素示意图；图9是本专利技术血管内腔分割结果示意图（极坐标）；图10是本专利技术血管内腔分割结果示意图（原始直角坐标）。具体实施方式下面结合实施案例和附图对本专利技术作进一步说明，但不应以此限制本专利技术的保护范围。图1是本专利技术一种基于血管内超声图像的血管内腔分割方法的流程图。如图所示，一种基于血管内超声（IVUS：IntravascularUltrasound）图像的血管内腔分割方法，包括一个确定血管内腔（即血管内膜所包含区域）种子点的过程；包括一个利用模糊连通(FuzzyConnectedness)算法计算图像中从每个象素点与血管内腔种子点模糊连通强度，获得模糊连通强度图像的过程；包括一个利用超声图像梯度信息确定模糊连通强本文档来自技高网...

【技术保护点】
一种基于血管内超声图像的血管内腔分割方法，其特征在于，该方法包括一个确定血管内腔（即血管内膜所包含区域）种子点的过程；包括一个利用模糊连通算法计算图像中从每个象素点与血管内腔种子点模糊连通强度，获得相应的模糊连通强度图像的过程；包括一个利用超声图像梯度信息确定模糊连通强度阈值，并根据模糊连通强度阈值和模糊连通强度图像确定血管内腔边界的过程。

【技术特征摘要】
1.一种基于血管内超声图像的血管内腔分割方法，其特征在于，该方法包括一个确定血管内腔种子点的过程；包括一个利用模糊连通算法计算图像中从每个像素点与血管内腔种子点模糊连通强度，获得相应的模糊连通强度图像的过程；包括一个利用超声图像梯度信息确定模糊连通强度阈值，并根据模糊连通强度阈值和模糊连通强度图像确定血管内腔边界的过程；在一个利用血管内超声图像确定血管内腔种子点的过程中，首先根据距离图像中心点同一距离的像素平均灰度值确定血管内腔种子点，即在大于导管半径的距离中，以最小像素平均灰度值对应的距离为半径，图像中心为圆心的圆周所在的像素点；在一个利用模糊连通算法计算图像中从每个像素点与血管内腔种子点模糊连通强度，获得相应的模糊连通强度图像，并根据模糊连通强度图像和超声图像梯度信息确定模糊连通强度阈值的过程中，首先基于模糊连通算法计算图像中从每个像素点与血管内腔种子点模糊连通强度，获得相应的模糊连通强度图像；然后计算待处理血管内超声图像的梯度图像，最后根据血管内超声图像的梯度信息和模糊连通强度图像确定模糊连通强度阈值；在一个根据血管内超声图像梯度信息和模糊连通强度图像确定模糊连通强度阈值的过程中，首先根据整幅图像梯度的平均值Gmean和标准差Gstd确定一梯度阈值Gthes，并将梯度高于梯度阈值Gthes的像素...

【专利技术属性】
技术研发人员：严加勇，崔崤峣，向永嘉，韩志乐，简小华，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
类型：发明
国别省市：江苏;32